【目的/意义】为了帮助科研用户快速、准确地找到与自己研究兴趣相关的学术论文，构建了基于细粒度语义实体的学术论文推荐模型。[方法/过程]将实验前期确定的研究主题、研究对象和理论技术语义实体作为学术论文和核心作者的内容特征，分别采用TF－IDF算法、textrank算法和LDA模型获取学术论文和核心作者的特征词，使用Word2vec量化特征词，然后计算核心作者和学术论文的内容特征，向作者推荐余弦相似度前20名。[结果/结论]利用准确性、召回率和F值对基于这三种算法的特征词生成推荐结果进行了比较和评价。结果表明，基于TF-IDF算法的特征词生成推荐效果最好。最后给出了一个实例来说明推荐结果。可以看出，本文提出的推荐模型可以更全面地向科研用户推荐具有相似研究兴趣的学术论文，提高科研效率。【创新/局限性】本文主要从学术论文的内容特征入手，采用不同的算法对分类关键词中的关键作者特征词进行筛选，实现学术论文的推荐，但不涉及学术论文中包含的网络关系。